Desenvolvimento de software para estimação da densidade espectral de redes grandes usando HPC.

• Processo: 25/02549-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: André Fujita
• Beneficiário: Lucas Gomes Stehling
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 24/03261-4 - Avanços na Estatística de Redes: extensões para HPC e hipergrafos., AP.R
• Assunto(s): Computação de alto desempenho
• Palavra(s)-Chave do Pesquisador: Computacão de Alto Desempenho | Computação de Alto Desempenho

Resumo

Na última década introduzimos uma série de métodos estatísticos para redes: estimador de parâmetros, seleção de modelos, testes comparativos, medidas de correlação e causalidade, e algoritmos de agrupamento supervisionado e não supervisionado. No entanto, todos esses métodos se baseiam na densidade espectral da matriz de adjacências da rede. Para redes grandes, isso se torna um problema, pois o custo computacional é O(n3), onde n é o número de vértices da rede. Então, desde 2021, temos trabalhado em métodos de aproximação da densidade espectral. Mas mesmo esses métodos, apesar de serem quase lineares em relação ao número de vértices, limitam a análise para redes de poucos milhões de vértices. Assim, propomos obter uma implementação dos nossos algoritmos que rodem em GPUs, o que poderia diminuir consideravelmente o tempo de computação.